卷积神经网络在软测量中的应用
发布时间：2022-02-21 00:41
缺乏对某些关键产品质量的实时测量是现代工业中的主要问题之一,可能生产出不合规格的产品,为了解决这一问题,各种软测量建模方法被提出。软测量是使用可测的过程变量来推断无法或难以在线测量的变量的一种技术。卷积神经网络是深度学习中的一个重要算法,它能够直接从原始信息中提取出特征,同时它的权值共享特性降低了网络复杂度。论文使用卷积神经网络和已有的浅层算法相结合,建立一个具有更高精度的,更深层次的动态软测量模型。论文主要对以下几个方面展开研究:（1）针对PTA精制过程中PTA平均粒径的软测量建模,提出了一种卷积神经网络和XGBoost混合建模的动态软测量模型,卷积神经网络提取动态特征,XGBoost算法对提取的特征进行拟合,通过对实际采集PTA平均粒径的数据进行仿真实验,证明了该算法具有较高的预测精度。（2）针对PX氧化过程4-CBA含量的软测量模型,提出了使用全局最大池化和线性组合输出的卷积神经网络,降低了网络的复杂度,通过实验仿真证明了,基于该卷积神经网络建立的动态软测量模型具有良好的性能。（3）将PX氧化过程采集到的数据的每一个输入样本使用再次采样的方法,生成多组数据,从而建立具有多个输入通...
【文章来源】：南京邮电大学江苏省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 引言
1.2 软测量技术的主要内容
1.3 软测量技术的研究现状
1.4 论文主要内容和结构安排
第二章 相关背景知识介绍
2.1 卷积神经网络
2.1.1 卷积层
2.1.2 池化层
2.1.3 全连接层
2.1.4 模型正则化方法
2.2 卷积神经网络的反向传播算法和参数更新方法
2.2.1 卷积神经网络前向和反向传播
2.2.2 参数更新方法
2.3 XGBoost算法
2.4 本章小结
第三章 基于CNN-XGBoost混合建模的动态软测量技术
3.1 PTA精制过程
3.2 基于CNN-XGBoost的动态软测量建模
3.2.1 动态软测量模型的时序匹配
3.2.2 数据预处理
3.2.3 CNN-XGBoost模型介绍
3.2.4 实测数据仿真实验
3.3 多种软测量模型比较
3.4 本章小结
第四章 基于CNN算法的动态软测量技术
4.1 PX氧化过程
4.2 基于CNN算法的动态软测量模型
4.3 基于CNN算法的动态软测量建模仿真
4.3.1 数据预处理
4.3.2 基于CNN动态软测量模型的实验仿真
4.3.3 模型性能分析
4.4 基于CNN的两种不同动态软测量模型对比
4.5 本章小结
第五章 基于多通道卷积神经网络的动态软测量技术
5.1 多通道卷积神经网络概述
5.1.1 多通道输入数据的获取
5.1.2 多通道卷积神经网络模型结构
5.2 基于多通道卷积神经网络的动态软测量建模仿真
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
致谢
【参考文献】：
期刊论文
[1]基于示功图的抽油井动液面软测量机理建模[J]. 李翔宇,高宪文,侯延彬. 控制工程. 2018(03)
[2]基于深度集成支持向量机的工业过程软测量方法[J]. 马建,邓晓刚,王磊. 化工学报. 2018(03)
[3]石灰回转窑煅烧带温度的软测量方法[J]. 田中大,张月,毛程程,张超. 电子测量与仪器学报. 2018(01)
[4]化工过程深度神经网络软测量的结构与参数自动调整方法[J]. 王康成,尚超,柯文思,江永亨,黄德先. 化工学报. 2018(03)
[5]正则化参数求解方法研究[J]. 杨浩,马建红. 计算机测量与控制. 2017(08)
[6]Dynamic soft sensor development based on Gaussian mixture regression for fermentation processes[J]. Congli Mei,Yong Su,Guohai Liu,Yuhan Ding,Zhiling Liao. Chinese Journal of Chemical Engineering. 2017(01)
[7]烟气含氧量软测量方法研究[J]. 李健,张彬文. 自动化仪表. 2016(06)
[8]稀疏LSSVM在4-CBA软测量建模中的应用[J]. 戎舟,李佳庆. 仪表技术与传感器. 2015(12)
[9]基于深度置信网络的4-CBA软测量建模[J]. 刘瑞兰,毛佳敏. 计算机工程与应用. 2017(06)
[10]基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量[J]. 贺彦林,王晓,朱群雄. 控制理论与应用. 2015(01)
博士论文
[1]软测量技术若干问题的研究及工业应用[D]. 刘瑞兰.浙江大学 2004
硕士论文
[1]对二甲苯氧化过程中催化剂的影响规律研究[D]. 张莉.浙江大学 2003
本文编号：3636139
【文章来源】：南京邮电大学江苏省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 引言
1.2 软测量技术的主要内容
1.3 软测量技术的研究现状
1.4 论文主要内容和结构安排
第二章 相关背景知识介绍
2.1 卷积神经网络
2.1.1 卷积层
2.1.2 池化层
2.1.3 全连接层
2.1.4 模型正则化方法
2.2 卷积神经网络的反向传播算法和参数更新方法
2.2.1 卷积神经网络前向和反向传播
2.2.2 参数更新方法
2.3 XGBoost算法
2.4 本章小结
第三章 基于CNN-XGBoost混合建模的动态软测量技术
3.1 PTA精制过程
3.2 基于CNN-XGBoost的动态软测量建模
3.2.1 动态软测量模型的时序匹配
3.2.2 数据预处理
3.2.3 CNN-XGBoost模型介绍
3.2.4 实测数据仿真实验
3.3 多种软测量模型比较
3.4 本章小结
第四章 基于CNN算法的动态软测量技术
4.1 PX氧化过程
4.2 基于CNN算法的动态软测量模型
4.3 基于CNN算法的动态软测量建模仿真
4.3.1 数据预处理
4.3.2 基于CNN动态软测量模型的实验仿真
4.3.3 模型性能分析
4.4 基于CNN的两种不同动态软测量模型对比
4.5 本章小结
第五章 基于多通道卷积神经网络的动态软测量技术
5.1 多通道卷积神经网络概述
5.1.1 多通道输入数据的获取
5.1.2 多通道卷积神经网络模型结构
5.2 基于多通道卷积神经网络的动态软测量建模仿真
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
致谢
【参考文献】：
期刊论文
[1]基于示功图的抽油井动液面软测量机理建模[J]. 李翔宇,高宪文,侯延彬. 控制工程. 2018(03)
[2]基于深度集成支持向量机的工业过程软测量方法[J]. 马建,邓晓刚,王磊. 化工学报. 2018(03)
[3]石灰回转窑煅烧带温度的软测量方法[J]. 田中大,张月,毛程程,张超. 电子测量与仪器学报. 2018(01)
[4]化工过程深度神经网络软测量的结构与参数自动调整方法[J]. 王康成,尚超,柯文思,江永亨,黄德先. 化工学报. 2018(03)
[5]正则化参数求解方法研究[J]. 杨浩,马建红. 计算机测量与控制. 2017(08)
[6]Dynamic soft sensor development based on Gaussian mixture regression for fermentation processes[J]. Congli Mei,Yong Su,Guohai Liu,Yuhan Ding,Zhiling Liao. Chinese Journal of Chemical Engineering. 2017(01)
[7]烟气含氧量软测量方法研究[J]. 李健,张彬文. 自动化仪表. 2016(06)
[8]稀疏LSSVM在4-CBA软测量建模中的应用[J]. 戎舟,李佳庆. 仪表技术与传感器. 2015(12)
[9]基于深度置信网络的4-CBA软测量建模[J]. 刘瑞兰,毛佳敏. 计算机工程与应用. 2017(06)
[10]基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量[J]. 贺彦林,王晓,朱群雄. 控制理论与应用. 2015(01)
博士论文
[1]软测量技术若干问题的研究及工业应用[D]. 刘瑞兰.浙江大学 2004
硕士论文
[1]对二甲苯氧化过程中催化剂的影响规律研究[D]. 张莉.浙江大学 2003
本文编号：3636139
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3636139.html
